基于图像处理的指针式表盘自动读取系统设计

李 伟，张长胜，冯 广，刘贺翔，刘 锐

(昆明理工大学 信息工程与自动化学院，云南 昆明 650500)

指针式仪表大量应用于工农业生产中，但其读数十分麻烦，而且工作量大，工作效率低。为缩短检测时间，有效减轻工作人员的工作强度，提升检测精度和效率，设计实现一种指针式仪表的自动读取系统具有重要现实意义。

许多学者也对指针式仪表的自动读取进行了研究，文献[1]提出了一种以表盘半径和指针的旋转中心作为先验特征的指针定位算法，克服了指针定位容易受干扰的问题。文献[2]通过改进的重心位置,对0～9的数字进行分组；然后依次对3组中的数字采用垂直线特征和水平方向投影，最后对各组中的数字进行精确识别，取得了良好识别效果。文献[3]提出了基于圆周区域的累积直方图法对指针进行定位,由指针偏转角度得到读数，对指针读数识别十分有效。文献[4]进行了指针式仪表图像预处理工作的研究，设计了预处理方案和相关方法,较好地提取了表盘目标区域,清晰地保留了各种特征。

本文利用图像处理的方法实现了指针式仪表的自动读取，利用视感检测系统获取表盘图像，通过图像的灰度化、滤波、二值化和边缘检测对原始表盘图像预处理，去除噪声和无用信息，再利用Hough变换提取表盘指针的相关参数，根据指针与表盘的线性关系求解出表盘示数。

1 表盘图像预处理

通过遥视技术得到的图像是真彩色图像，又称为RGB图像，真彩色图像存储为24位的图像，由R、G、B3个分量表示一个像素颜色，所以对一个尺寸x×y的彩色图像，在计算机中存储为x×y×3的多维数据数组，所需储存空间大、无用信息多，故对它进行处理时会占用相对较大的存储空间、浪费较多系统资源，也会降低系统的执行速度，在使用图像时要将其简化[5-6]。

1.1 图像灰度化

图像灰度化处理是一种最基本、经典的简化图像数据信息的方法之一，它将原始的RGB图像每个像素点字节压缩到1 Byte，有效减少图像储存空间，使识别工作变的高效而准确。

1.2 高斯滤波

由于成像传感器噪音、相片颗粒噪音和图像在传输过程中的通道传输误差等，会使一些随机的、离散的和孤立的像素点在图像上出现，即图像噪音。通常图像噪音在视觉上会与他们相邻的像素有明显不同，表现形式为黑区域上的白点或白色区域上的黑点，会影响图像的视觉效果和有关处理，因此需要对图像中的噪音进行抑制，本文采用高斯滤波去除图像噪声干扰[7-8]。

高斯滤波是一种线性的平滑滤波，适用于消除高斯噪声，广泛应用于图像处理减噪。高斯卷积模板h(x,y,σ)可由二阶高斯公式求得，如式(1)。

(1)

式中，σ的取值和卷积模板的尺寸大小有关。

1.3 图像二值化

一幅图像包括目标物体、背景还有噪音，从包含各种信息的数字图像中只取出需要的部分，最常用的方法就是设定某一阀值T，用T将图像的数据分成两大部分：大于T的像素群和小于T的像素群。这是研究灰度图像变换最基本的方法，称为图像的二值化。二值化处理就是把图像f(x,y)分成目标物体和背景两个部分。在二值化前，要先图像归一化。归一化利用图像的不变矩寻找一组参数，使其可以消除其他变换函数可能会对图像变换造成的影响。也就是转换成唯一标准形式来抵抗仿射变换[9]。

对图像二值化处理时，先通过指定算法生成一个阈值，通过阈值确定将该像素的灰度值为0或255。阈值化的变换函数表达式如下

(2)

式中，T为指定阀值。该变换函数是阶跃函数只需给出阀值点T即可。经过阀值处理后的图像变成了一幅黑白二值图。

1.4 图像反转、细化

为了有效提取图像特征，需要将图像反转，即将图像逻辑取非。为了提高指针图像识别的速度和精度，必须对图像进行细化处理。图像细化的方法是结合图像形态特征，从外向内依次去除非骨架像素点，最终达到提取图像骨架的目的。判断某点为骨架像素点与否，与其周围像素点有很大联系，如图1所示。

图1 P1点8邻域示意图

假设有效像素灰度值为1，无效值为0，用细化算法去除图像中灰度值是1的非骨架像素点的步骤如下：

步骤1扫描整幅图像，对灰度值为1的点，满足以下4点，则灰度值置0。

2≤N(P1)≤6;

S(P1)=1;

P2×P4×P6=0;

P4×P6×P8=0;

其中，N(P1)表示P1八邻域灰度值为1的点个数；S(P1)表示P1周围的点顺时针旋转时灰度由0变1的次数；

步骤2扫描整幅图像，灰度值是1的点，如满足以下4点，则灰度值置0。

2≤N(P1)≤6;

S(P1)=1;

P2×P4×P8=0;

P2×P6×P8=0;

步骤3如通过上述两步置0的像素点数为0，结束细化；否则再从步骤一开始新一轮细化[10]。图像预处理流程如图2所示。

图2 压力值读取流程

通过对图像的预处理，大幅消除了各种噪声和无用信息，避免了各种复杂环境的影响，使图像成为可操作性好的单像素宽度图像，同时提高了识别精度。

2 表盘示数识别

2.1 Hough变换

Hough变换是利用图像空间和参数空间点、线的对偶性，在参数空间中将图像空间中具有一定关系的像素点聚集，通过在参数空间中进行累加、统计，找出参数空间中累加器峰值点，确定出图像空间中几何特征的特定参数，Hough变换检测直线的参数空间有两种:一是利用笛卡尔坐标系表示的参数空间(p,q)，二是利用极坐标系表示的参数空间(ρ,θ)。

笛卡尔坐标系表示参数空间(p,q)进行Hough变换时，图像空间内任一条直线y=px+q都可用参数空间中p和q线性表示，其中p是斜率，q是截距。图像空间与该坐标系参数空间的对应关系如图3所示。

图3 笛卡尔坐标系表示的参数空间

由图3知，图像空间xy里经过点(x1,y1)和(x2,y2)的直线上的每个点都对应参数空间p、q里的一条直线，这两个点相交于点(p′,q′)。因此，可以利用Hough变换思想，利用参数空间中累加值最大点求出笛卡尔坐标系里共线的点，进而检测出图像空间里的直线。

图4 极坐标表示的参数空间

但由于x=0形式的直线斜率为无穷大，因此q=-px+y形式的直线方程无法表示此类直线，因此，本文采用极坐标系参数空间(ρ,θ)。图像空间中任一条直线都能用极坐标参数空间里的两个参数表示ρ、θ，其中ρ是直线到原点的距离,θ是直线极角。对于图像空间中任意一点(x，y)，其极坐标表示如式(3)所示。

ρ=xcosθ+ysinθ

(3)

图像空间和极坐标参数空间对应关系如图4所示。由图4可知，图像空间的每个点都有对应于参数空间中的一条正弦曲线，因此，图像空间中共线的点就对应了参数空间中共点的曲线，只要找到参数空间里各曲线公共点，就能确定图像空间里的直线。

Hough变换的思想就是利用图像空间和参数空间点、线对偶关系，在原始坐标系下表示为直线上所有点对应参数坐标系下的同一点。将图像空间各个点映射到参数空间后，只要能够找到参数坐标系下最大累加点，就能找到原始坐标系下的直线[11-14]。

2.2 计算读数

上文已得到指针参数，然后再通过两点式求得指针斜率，反正切就得到一个角度，由正切性质知道，tanθ=tan(θ+π)，故当θ为锐角时，指针倾斜角便等于θ，而当θ为钝角时，指针倾斜角便等于θ+π。

由表盘性质得到读数计算公式

(4)

其中，P即所求读数。

角度不会根据图像大小而改变，所以截得一部分有效图像不会对最终结果产生影响，就可以简化计算，节约储存空间和仿真时间，所以在对图像处理计算读数过程中，应尽可能小的截取有效图像[15-16]。

3 仿真实验

实验中，计算机硬件条件为CPU为Intel Core i5-3230M，2.6 GHz，Windows 7操作系统，仿真软件为Matlab，对上文内容进行了仿真实验，对其预处理并识别其示数，实验结果如图5所示。

图5 指针式表盘识别结果

实际气压值/MPa全表盘识别/MPa识别误差/%读取时间/ms0.20.198-13420.50.5030.63400.80.796-0.53500.90.895-0.56345

表2 部分表盘识别结果

其中，误差为负表示识别值小于实际值，反之大于实际值。由表1和表2可知，本文方法识别效果较好，识别误差较小，平均为0.665%。部分表盘识别的效果良好，平均为0.86%，并且识别时间比全表盘识别短，平均可节省63 ms。

该系统硬件要求为具有内存1.0 GB以上， CPU2.0G以上，Windows7及以上操作系统的计算机和30万及以上像素的摄像头。较高的识别精度保证了该系统的可靠性，较短的识别时间保证了该系统的实用性，摄像头与计算机直接相连保证了系统的稳定性，故该系统可大量应用于各种需对指针式仪表自动读取的工程中。

4 结束语

本文以指针式仪表为研究对象，使用图像处理算法对原始真彩色图像预处理获得具有单像素的二值图像，使图像占空间小，具有可识别性，利用Hough变换提取仪表指针，并获得指针相关参数，根据指针与表盘的几何关系获得表盘示数，并只提取表盘指针有效部分、减少识别时间。本文的指针式表盘自动读取系统识别误差小、精度高，读取时间短，在工程应用中具有较大现实意义。

[1] 倪刚.指针式电力仪表图像嵌入式识别技术的研究[D].成都:电子科技大学,2013.

[2] 张乐.基于图像处理的指针式仪表示值识别的研究[D].保定:华北电力大学,2013.

[3] 杨志娟,袁纵横.基于图像处理的指针式仪表智能识别方法研究[J].计算机测量与控制,2015(5):1717-1720.

[4] 李悠.视觉识别背景下的指针式仪表图像预处理技术研究[J].电测与仪表,2013(S1):129-131,136.

[5] 张涛,齐永奇.Matlab图像处理编程与应用[M].北京:机械工业出版社,2014.

[6] 周品,李晓东.Matlab数字图像处理[M].北京:清华大学出版社,2012.

[7] 相瑞,王力.基于小波变换的图像去噪方法[J].电子科技,2016,29(7):82-84，87.

[8] 姒绍辉,胡伏原,顾亚军,等.一种基于不规则区域的高斯滤波去噪算法[J].计算机科学,2014(11):313-316.

[9] 黄剑冰,李奇.复杂光照环境下的灰度图像二值化算法的研究及应用[J].冶金自动化,2017 (2):62-65.

[10] 冯养杰,林小竹.基于改进HOUGH变换的指针式仪表自动识别方法研究[J]. 北京印刷学院学报,2015,23(4):62-66.

[11] 王竞雪,赵立科,朱庆.结合边缘编组的 Hough 变换直线提取[J].遥感学报,2014,18(2):379-389.

[12] 张振杰,郝向阳,刘松林,等.基于Hough一维变换的直线检测算法[J].光学学报,2016 (4):166-173.

[13] 朱柏林,郭亮,吴清文.基于ORB和改进Hough变换的指针仪表智能识读方法[J].仪表技术与传感器,2017(1):29-33,73.

[14] 王延华,李腾,张沛,等.结合HSV与局部Hough变换的指针式仪表识别算法[J].电子设计工程,2017(2):110-113.

[15] 胡邦强.基于Hough变换的指针式水表识别系统的研究与应用[D].成都:电子科技大学,2016.

[16] 倪刚,闫斌.以仪表结构为先验特征的指针式仪表图像识别[J].电子科技,2013,26(10):10-12.